基于YOLOv3的航拍目标检测算法研究及应用

发布时间：2021-07-11 09:17

　　传统的电信光缆线路巡检工作主要通过人力进行,其效率低下,通过无人机进行光缆线路巡检可以极大提高工作效率,且能够节省人力资源。针对某省电信公司提出的采用无人机进行自动电信光缆线路巡检的需求,构建了无人机自动化线路巡检系统中的航拍目标检测子系统,以挖掘机作为风险目标,通过航拍图像中的挖掘机来确定图像中是否存在风险。通过对用户提供以及自行采集的1004张5472×3648高分辨率航拍图像进行分析,发现该类图像语义信息复杂,目标物体占比小,特征稀疏,导致检测困难且检测容易受到干扰。用户要求挖掘机的识别率在70%以上且要进行实时识别,依据此要求,通过对目前目标检测算法的对比,选择检测速度最快且检测性能较好的YOLOv3作为目标检测算法。YOLOv3目标检测算法需要输入416×416大小的图像,因此在处理输入图像时会将图像缩小,造成特征损失。为了减少这种特征损失,提出了基于分块的YOLOv3目标检测算法,算法采用基于定步长滑动窗口的分块方法,将图像切分成小块再使用YOLOv3目标检测算法检测,达到了减少特征损失的目的。经过对比实验,基于分块的YOLOv3目标检测算法比未改进时的识别率提升了接近10... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

存在工地的电信线路沿线航拍照片

中 科 技 大 学 硕 士 学 位 论 文作流程设计的自动电信光缆巡检系统工作流程如图 2.2 所示，系统包一台图片服务器以及本文所述航拍目标检测子系统。线路沿线的 4G 无线通信基站连接到互联网，每架无人机管理子系统通过 TCP/IP 协议对无人机进行监控和操纵上创建任务目录，飞行过程中，通过机载 4G 模块连接到通过互联网上传航拍照片到图片服务器上的任务目录中图片服务器上的任务，发现新任务时读取新任务目录中挖掘机就使用红色框标识，并上传到图片服务器上的告统读取图片服务器上告警目录中的告警图片，显示在无查看。

?郊钡ヂ肪斗⑸??模?炊寥〖钡ヂ肪督?邢煊ΑＭ?2.3 子系统结构图2.3 目标检测算法的选择航拍目标检测子系统的关键技术是目标检测算法，目标检测是计算机视觉领域的一个常见问题，与分类问题不同，分类问题只需要解决图片中的物体是什么的问题，而目标检测问题除了需要解决物体是什么的问题，还需要解决物体在哪里的问题。以子系统的挖掘机检测任务为例，如图 2.4 所示，最终的目标是使用标识框将挖

【参考文献】：
期刊论文
[1]基于深度学习的航空对地小目标检测[J]. 梁华,宋玉龙,钱锋,宋策.  液晶与显示. 2018(09)
[2]基于YOLO算法的无人机航拍图片绝缘子缺失检测[J]. 杨罡,张娜,晋涛,王大伟.  科技资讯. 2018(24)
[3]通信光缆线路维护的问题与对策解析[J]. 李扬.  信息通信. 2017(11)
[4]一种基于深度学习的新型小目标检测方法[J]. 陈江昀.  计算机应用与软件. 2017(10)

博士论文
[1]固定翼无人机地面车辆目标自动检测与跟踪[D]. 李大伟.中国科学院大学(中国科学院国家空间科学中心) 2017

硕士论文
[1]基于深度学习的无人机遥感图像目标识别方法研究[D]. 祝思君.北京建筑大学 2018
[2]基于SSD的航拍图像小目标快速检测算法研究[D]. 李华清.西安电子科技大学 2018



本文编号：3277805